Alibaba HappyHorse-1.0: Záhadný model, ktorý ovládol všetky rebríčky AI videa

Odhalenie

Artificial Analysis prevádzkuje Video Arena, kde používatelia zadajú prompt, dva anonymné modely vygenerujú výstupy a používatelia vyberú lepší. Hlasy sa premietajú do hodnotenia Elo (rovnaká matematika ako v šachových rebríčkoch). Modely nemôžu systém podvádzať, pretože hodnotitelia nikdy nevedia, ktorý model vytvoril ktorý výstup.

HappyHorse-1.0 vstúpil do arény 7. apríla s prázdnym profilom. Bez loga, bez uvedenia firmy. Do 10. apríla obsadil prvé miesto v dvoch zo štyroch kategórií rebríčka a Alibaba potvrdila vlastníctvo cez novo vytvorený účet na X a vyhlásením pre CNBC.

Čísla

Elo skóre modelu HappyHorse hovoria jasne:

Pre kontext, predchádzajúci #1 v text-to-video bol Seedance 2.0 od ByteDance s Elo 1273. HappyHorse ho prekonal o 60 bodov, čo je rozdiel, ktorého uzavretie typicky trvá mesiace. V image-to-video HappyHorse dosiahol 1392 oproti 1355 u Seedance 2.0.

Kategórie so zvukom rozprávajú iný príbeh. HappyHorse sedí na #2 za Seedance 2.0 (Elo 1219 vs. 1205), čo naznačuje, že zvukový pipeline stále potrebuje doladenie v porovnaní s kvalitou samotného videa.

Architektúra: Jeden Transformer, všetko naraz

Väčšina systémov pre AI video reťazí oddelené komponenty: enkodér textu, generátor videa a zvukový model prilepený na konci. HappyHorse volí iný prístup.

Model používa 40-vrstvový jednoprúdový Self-Attention Transformer bez modulov Cross-Attention. Tokeny textu, videa a zvuku prechádzajú súčasne tým istým stackom transformeru. Tento zjednotený dizajn eliminuje nadbytočné parametre a znižuje zložitosť inferencie.

Inferenčný pipeline je nezvyčajne ľahký: iba 8 krokov odšumovania bez Classifier-Free Guidance (CFG). Pre porovnanie, mnohé konkurenčné modely používajú 25-50 krokov s aktívnym CFG. To naznačuje agresívnu destiláciu počas tréningu, výmenu surovej kapacity za rýchlosť.

Tím za modelom

HappyHorse pochádza z Future Life Lab v rámci skupiny Taotian Group Alibaby (e-commerce divízia). Na čele stojí Zhang Di, bývalý viceprezident Kuaishou a technický vedúci Kling AI.

Tento detail je dôležitý. Zhang Di vybudoval inžiniersku kultúru za Klingom, jedným z najsilnejších modelov AI videa roku 2025. Pozná infraštruktúrne výzvy, tréningové pipeline aj medzery v hodnotení. Kombinácia týchto skúseností s výpočtovými zdrojmi Alibaby je úplne iná rovnica než vedenie samostatného startupu.

Prečo je to dôležité pre trh

Trh s AI videom v apríli 2026 je nezvyčajne nestabilný:

Keď Sora odchádza zo scény a Seedance čelí právnym problémom, HappyHorse prichádza vo chvíli, keď trh hľadá nového lídra. Runway Gen-4.5 si stále drží silnú pozíciu v produkčných workflow a Google Veo 3.1 dominuje v priestore firemných integrácií. Ale pokiaľ ide o čistú kvalitu generovania meranú slepým ľudským hodnotením, HappyHorse teraz sedí na vrchole.

Open Source: čoskoro (možno)

GitHub repozitár aj Hugging Face Model Hub ukazujú "Coming Soon" k 11. aprílu. Tím sľúbil otvorenie plných 15-miliardových váh s komerčnou licenciou. Ak sa to stane, HappyHorse bude najväčší open-source model pre video, výrazne väčší než LTX-Video s 2 miliardami parametrov.

Ale "čoskoro" nie je "vydané". Kým nebudú váhy na stiahnutie a nezávisle overené, nesú výsledky benchmarkov hviezdičku. Komunita AI videa sa naučila čakať na reprodukovateľné výsledky, než vyhlási víťazov.

Na čo sa dívať

Tri veci rozhodnú, či si HappyHorse udrží náskok:

• ✓Otvorenie váh a nezávislá reprodukcia výsledkov benchmarkov
• ✓Zlepšenie kvality zvuku tak, aby vyrovnala alebo prekonala Seedance 2.0 v kategóriách so zvukom
• ✓Dostupnosť API a cenník, pretože dominancia v benchmarkoch nič neznamená, ak tvorcovia nemajú k modelu prístup

Priestor generovania AI videa sa pohybuje rýchlo. V januári Runway Gen-4.5 vyzeral nedotknuteľne. Vo februári korunu prevzal Seedance 2.0. Teraz ju drží HappyHorse. Otázka neznie, či ho niečo nakoniec porazí, ale kedy a odkiaľ.

Pre tvorcov a vývojárov budujúcich video pipeline dnes je záver praktický: žiadny jednotlivý model nezostane na vrchole dlho. Najlepšia stratégia je budovať workflow, ktoré umožnia vymeniť modely podľa zmien v rebríčku, namiesto stávky na jedno meno.